电光与控制
電光與控製
전광여공제
ELECTRONICS OPTICS & CONTROL
2012年
1期
25-28
,共4页
机载数字高程模型%数据压缩%特征点提取%径向基函数神经网络
機載數字高程模型%數據壓縮%特徵點提取%徑嚮基函數神經網絡
궤재수자고정모형%수거압축%특정점제취%경향기함수신경망락
为了在机载数字高程(Diotal Elevation Model,DEM)数据压缩时充分利用地貌特征,进一步提高压缩效率,提出通过提取DEM特征点并使用径向基函数(Radial Basis Function,RBF)神经网络进行数据压缩的方法.首先对原始DEM数据进行去噪预处理,避免噪点成为特征点,给出了提取特征点及山脊线和山谷线具体算法；进而以地形特征点作为学习样本点采用RBF神经网络完成数据压缩任务.仿真结果表明,所提方法极大提高了DEM压缩效率,压缩效果满足机载要求.
為瞭在機載數字高程(Diotal Elevation Model,DEM)數據壓縮時充分利用地貌特徵,進一步提高壓縮效率,提齣通過提取DEM特徵點併使用徑嚮基函數(Radial Basis Function,RBF)神經網絡進行數據壓縮的方法.首先對原始DEM數據進行去譟預處理,避免譟點成為特徵點,給齣瞭提取特徵點及山脊線和山穀線具體算法；進而以地形特徵點作為學習樣本點採用RBF神經網絡完成數據壓縮任務.倣真結果錶明,所提方法極大提高瞭DEM壓縮效率,壓縮效果滿足機載要求.
위료재궤재수자고정(Diotal Elevation Model,DEM)수거압축시충분이용지모특정,진일보제고압축효솔,제출통과제취DEM특정점병사용경향기함수(Radial Basis Function,RBF)신경망락진행수거압축적방법.수선대원시DEM수거진행거조예처리,피면조점성위특정점,급출료제취특정점급산척선화산곡선구체산법；진이이지형특정점작위학습양본점채용RBF신경망락완성수거압축임무.방진결과표명,소제방법겁대제고료DEM압축효솔,압축효과만족궤재요구.
